Sin IDEs. Los IDE facilitan el desarrollo de softwares grandes, pero los cursos de introducción son más sobre conceptos básicos de un lenguaje de programación (C / C ++ / Java / Python) y algunos algoritmos y técnicas básicas como compilar, vincular y depurar. Un IDE es una especie de exageración para eso e introduce una curva de aprendizaje adicional (también debes aprender a usar el IDE). Además, los IDE son como cajas negras, le ocultan el proceso de construcción a menos que solicite controlarlo / monitorearlo explícitamente. Un enfoque más sencillo y sencillo es utilizar un editor de texto simple con resaltado de sintaxis (por ejemplo, gedit o sublime o atom, quizás incluso vim) y comandos simples para compilar, ejecutar y depurar desde una interfaz de línea de comandos. De esta manera, el estudiante tendrá que aprender solo un editor de texto y unos 10 comandos simples y comprender bastante bien cómo funciona el programa. En caso de IDE, el estudiante tendrá que aprender el IDE sin comprender realmente cómo funciona la compilación o la depuración.
PD: cuando me presentaron la programación (en 2012, ¡bastante reciente, eh!), Solíamos conectarnos al servidor del centro de cómputo universitario a través de Telnet desde terminales basados en texto, iniciar sesión en nuestras cuentas de usuario en el servidor, codificar en vim, compilar y vincular nuestros programas en C usando gcc (sí, tuvimos que vincular manualmente bibliotecas como lmath y lpthread a nuestro código C) y ejecutarlas desde la línea de comandos. Lo mejor de este enfoque es que nos familiarizamos con cómo funciona exactamente un programa desde el principio sin mucho esfuerzo adicional. La forma de enviar tareas domésticas era ponerlas en su cuenta de usuario en el servidor usando ftp desde casa.
- Si pudieras mejorar cualquier producto de Microsoft, ¿qué harías?
- ¿Cuáles son las próximas tendencias en informática de alto rendimiento? ¿Es necesario el conocimiento de IA para un experto en HPC?
- ¿Cuál es la relación de compresión máxima teórica de datos altamente aleatorios, como la representación binaria del ruido blanco?
- ¿Cuáles son las limitaciones / reglas de lo que el aprendizaje automático no puede hacer?
- ¿Es el aprendizaje profundo la mejor forma de aprendizaje automático?
